交付验收 · 到货检查与验收测试

核心目标：确保到货的昇腾硬件数量正确、状态完好、性能达标，为后续部署奠定基础

交付验收概述

昇腾硬件到货后，必须经过严格的验收流程才能投入使用。验收不只是"数箱子"，而是要确保：

数量正确：硬件型号和数量与采购合同一致
状态完好：运输过程无损坏，硬件功能正常
版本合规：固件/驱动版本符合要求
性能达标：NPU计算性能达到标称指标
文档齐全：交付文档完整可追溯

验收流程

到货接收 → 外观检查 → 硬件点检 → 上电测试 → 固件核对 → 性能抽测 → 文档归档 → 验收签字
   1天        1天       0.5天      1天       0.5天      2天       0.5天      0.5天

到货验收Checklist

第一阶段：到货接收

1.1 外包装检查

检查项	检查内容	合格标准	结果
包装箱数量	清点总箱数	与发货单一致	□
包装箱外观	检查有无破损/变形/水渍	无明显破损	□
包装箱标签	检查标签信息	型号/数量/SN正确	□
倾斜指示器	检查倾斜标签	未变色（未倾斜）	□
防潮指示	检查防潮标签	未变色（未受潮）	□
封条完整性	检查封条是否完好	封条未被破坏	□

注意：如发现外包装破损、倾斜指示器变色或封条被破坏，应立即拍照留存，并联系供应商处理，暂不签收。

1.2 开箱检查

检查项	检查内容	合格标准	结果
内部填充	防震材料是否完好	填充物完好	□
设备外观	设备有无划痕/变形/锈蚀	外观完好	□
配件齐全	电源线/导轨/耳片等	与装箱单一致	□
设备标签	设备铭牌信息	型号/SN/MAC正确	□
保修卡	保修文件	保修卡齐全	□
产品合格证	合格证明文件	合格证齐全	□

第二阶段：硬件点检

2.1 服务器硬件点检

以Atlas 800T A2为例：

检查项	检查内容	合格标准	检查方式	结果
服务器型号	面板标识型号	与采购合同一致	目视	□
NPU卡数量	检查NPU卡槽数量	8张910B	目视/BIOS	□
NPU卡型号	卡上标签型号	Ascend 910B	目视	□
CPU配置	CPU型号和数量	与合同一致	BIOS	□
内存配置	内存容量和条数	与合同一致	BIOS	□
硬盘配置	系统盘/数据盘	与合同一致	BIOS/OS	□
网卡配置	网卡型号和数量	与合同一致	BIOS/OS	□
电源模块	电源数量和功率	冗余电源正常	BIOS	□
风扇模块	风扇数量	全部正常	BIOS	□
PCIe插槽	NPU卡安装牢固	卡已插紧	目视	□

2.2 NPU卡专项检查

bash

# 1. 上电后检查NPU识别
npu-smi info

# 预期输出：应显示8张910B卡
# +---------------------------+---------------------------+
# | NPU   Name                | Health  Power(W) Temp(C)  |
# | Chip                      | Bus-Id                    |
# | AICore(%)  Memory-Usage(M)|                           |
# +===========================+===========================+
# | 0     Ascend910B          | OK       0.0     35       |
# | 0                         | 0000:C1:00.0              |
# | 0          0 / 65536      |                           |
# +===========================+===========================+
# | 1     Ascend910B          | OK       0.0     34       |
# ...

# 2. 检查NPU序列号（与装箱单核对）
npu-smi info -t board -i 0
# 输出包含BoardSN，与设备标签核对

# 3. 检查NPU健康状态
npu-smi info -t health -i 0
# 应返回OK

# 4. 检查所有NPU
for i in 0 1 2 3 4 5 6 7; do
    echo "=== NPU $i ==="
    npu-smi info -t board -i $i | grep -E "Name|BoardSN|Health"
done

第三阶段：固件版本核对

3.1 版本配套表

昇腾软件栈版本必须严格配套，不匹配会导致功能异常：

组件	检查命令	参考版本	检查结果
NPU驱动	`npu-smi info -t board -i 0`	23.0.0+	□
NPU固件	`npu-smi info -t fw -i 0`	6.3.0+	□
CANN工具包	`cat /usr/local/Ascend/ascend-toolkit/latest/version.cfg`	7.0.0+	□
操作系统	`cat /etc/os-release`	EulerOS 2.0 / Ubuntu 22.04	□
内核版本	`uname -r`	与CANN兼容	□

3.2 版本检查脚本

bash

#!/bin/bash
# 版本检查脚本 - firmware_check.sh

echo "=========================================="
echo "  昇腾硬件固件版本检查"
echo "=========================================="
echo ""

# 1. 操作系统版本
echo "【1. 操作系统】"
cat /etc/os-release | grep -E "^NAME|^VERSION"
echo "内核: $(uname -r)"
echo ""

# 2. NPU驱动版本
echo "【2. NPU驱动版本】"
npu-smi info -t board -i 0 | grep -i "version" || echo "驱动版本获取失败"
echo ""

# 3. NPU固件版本
echo "【3. NPU固件版本】"
npu-smi info -t fw -i 0
echo ""

# 4. CANN版本
echo "【4. CANN版本】"
if [ -f /usr/local/Ascend/ascend-toolkit/latest/version.cfg ]; then
    cat /usr/local/Ascend/ascend-toolkit/latest/version.cfg
else
    echo "CANN未安装或路径不正确"
fi
echo ""

# 5. NPU卡信息汇总
echo "【5. NPU卡信息汇总】"
echo "卡数: $(npu-smi info -l | grep "Total Count" | awk '{print $3}')"
for i in $(seq 0 7); do
    npu-smi info -t board -i $i 2>/dev/null | grep -E "Name|Health|Power" | head -3
    echo "---"
done

echo ""
echo "=========================================="
echo "  版本检查完成"
echo "=========================================="

第四阶段：性能抽测

4.1 基础性能测试

bash

#!/bin/bash
# 性能抽测脚本 - perf_test.sh

echo "=========================================="
echo "  昇腾NPU性能抽测"
echo "=========================================="

# 1. 基础计算能力测试
echo ""
echo "【1. NPU基础状态检查】"
npu-smi info
echo ""

# 2. 显存带宽测试
echo "【2. 显存带宽测试】"
# 使用MindSpore进行简单的显存带宽测试
python3 -c "
import mindspore as ms
import time
import numpy as np

ms.set_context(device_target='Ascend', device_id=0)

# 分配大数组测试显存
size = 1024 * 1024 * 512  # 512MB
x = ms.Tensor(np.random.randn(size).astype(np.float32))

# 显存拷贝带宽测试
start = time.time()
for _ in range(10):
    y = x * 2.0 + 1.0
elapsed = time.time() - start
print(f'显存计算测试: {10 * size * 4 / elapsed / 1e9:.2f} GB/s (等效带宽)')
"

# 3. 矩阵计算性能测试
echo ""
echo "【3. 矩阵计算性能测试】"
python3 -c "
import mindspore as ms
import time
import numpy as np

ms.set_context(device_target='Ascend', device_id=0)

# 大矩阵乘法测试
M, N, K = 4096, 4096, 4096
a = ms.Tensor(np.random.randn(M, K).astype(np.float16))
b = ms.Tensor(np.random.randn(K, N).astype(np.float16))

# warmup
for _ in range(3):
    c = ms.ops.matmul(a, b)

# 测试
start = time.time()
for _ in range(20):
    c = ms.ops.matmul(a, b)
elapsed = time.time() - start

tflops = 2 * M * N * K * 20 / elapsed / 1e12
print(f'矩阵乘法: {tflops:.2f} TFLOPS (FP16, {M}x{K}x{N})')
"

# 4. 多卡通信测试
echo ""
echo "【4. 多卡HCCL通信测试】"
python3 -c "
import mindspore as ms
from mindspore.communication import init, get_rank, get_group_size

ms.set_context(mode=ms.GRAPH_MODE, device_target='Ascend')
init()
rank = get_rank()
size = get_group_size()
print(f'HCCL通信测试: rank={rank}, group_size={size}')
if size > 1:
    print('多卡通信正常')
else:
    print('单卡模式，跳过多卡通信测试')
"

echo ""
echo "=========================================="
echo "  性能抽测完成"
echo "=========================================="

4.2 性能基准参考值

测试项	Atlas 800T A2 (910B) 参考值	合格标准
NPU识别	8张910B	全部识别
健康状态	全部OK	100% OK
FP16矩阵乘法	280-320 TFLOPS/卡	≥ 标称值90%
显存容量	64GB HBM/卡	64GB
显存带宽	~1.2 TB/s	≥ 1.0 TB/s
功耗（空载）	30-50W/卡	< 60W
功耗（满载）	350-400W/卡	< 410W
温度（空载）	35-45°C	< 50°C
温度（满载）	65-75°C	< 80°C
HCCL通信	多卡通信正常	无超时/错误

4.3 压力测试

bash

#!/bin/bash
# 压力测试脚本 - stress_test.sh

echo "=========================================="
echo "  昇腾NPU压力测试（24小时）"
echo "=========================================="

DURATION=86400  # 24小时
START_TIME=$(date +%s)

while true; do
    CURRENT_TIME=$(date +%s)
    ELAPSED=$((CURRENT_TIME - START_TIME))
    
    if [ $ELAPSED -ge $DURATION ]; then
        echo "压力测试完成，总时长: $ELAPSED 秒"
        break
    fi
    
    # 每轮训练10分钟
    echo "[$(date)] 第 $((ELAPSED/600+1)) 轮压力测试..."
    
    # 运行计算密集任务
    python3 stress_workload.py --duration 600 --all_npu
    
    # 检查NPU状态
    echo "[$(date)] NPU状态检查:"
    npu-smi info | grep -E "Ascend|OK|Warning|Critical"
    
    # 检查温度告警
    TEMP=$(npu-smi info | grep "Temp" | awk '{print $NF}' | sort -rn | head -1)
    if [ "$TEMP" -gt 80 ]; then
        echo "[告警] NPU温度过高: ${TEMP}°C"
    fi
    
    # 短暂休息
    sleep 10
done

echo "压力测试结束，生成报告..."
python3 generate_stress_report.py

交付文档模板

验收报告模板

markdown

# 昇腾硬件验收报告

## 基本信息
| 项目 | 内容 |
|------|------|
| 验收日期 | 2026-08-26 |
| 采购合同号 | XXXXXXXX |
| 供应商 | XXXXXXXX |
| 验收负责人 | XXX |
| 验收地点 | XXX机房 |

## 硬件清单
| 序号 | 设备名称 | 型号 | 数量 | SN | 状态 |
|------|---------|------|------|-----|------|
| 1 | NPU训练服务器 | Atlas 800T A2 | 10 | ... | 合格 |
| 2 | NPU推理服务器 | Atlas 800I A2 | 5 | ... | 合格 |
| 3 | 边端推理设备 | Atlas 500 A2 | 20 | ... | 合格 |

## 验收结果汇总
| 验收项 | 结果 | 备注 |
|--------|------|------|
| 外观检查 | □合格 □不合格 | |
| 硬件点检 | □合格 □不合格 | |
| 固件版本 | □合格 □不合格 | |
| 性能测试 | □合格 □不合格 | |
| 压力测试 | □合格 □不合格 | |
| 文档齐全 | □合格 □不合格 | |

## 性能测试结果
（附性能测试报告）

## 问题记录
| 序号 | 问题描述 | 处理方式 | 状态 |
|------|---------|---------|------|
| 1 | ... | ... | 已解决/待处理 |

## 验收结论
□ 验收通过
□ 有条件通过（需整改）
□ 验收不通过

## 签字
| 角色 | 姓名 | 签字 | 日期 |
|------|------|------|------|
| 验收负责人 | | | |
| 供应商代表 | | | |
| IT负责人 | | | |

交付物清单

交付物	说明	必须
硬件设备	服务器/卡/配件	✅
产品合格证	厂商合格证明	✅
保修卡	保修凭证	✅
验收报告	验收结果记录	✅
性能测试报告	性能数据记录	✅
固件版本清单	各组件版本	✅
设备台账	SN/MAC/IP登记	✅
机柜布置图	物理部署图	推荐
网络拓扑图	网络连接图	推荐
操作手册	基本操作指南	推荐

常见交付问题

问题一：NPU识别不全

现象：npu-smi info只显示部分卡，如8张卡只识别6张。

排查步骤：

bash

# 1. 检查lspci是否能看到NPU设备
lspci | grep -i "processing"

# 2. 检查NPU卡是否插紧
# 关机后重新插拔NPU卡

# 3. 检查驱动日志
dmesg | grep -i "npu\|ascend\|davinci"

# 4. 检查PCIe链路
npu-smi info -t board -i 0 | grep -i "pci"

常见原因：

NPU卡未插紧（运输震动）
PCIe插槽故障
驱动版本不匹配
供电不足

问题二：固件版本不匹配

现象：CANN与NPU固件版本不兼容，运行报错。

解决方案：

bash

# 1. 查看版本配套表
# 访问昇腾官方文档，确认CANN与固件的配套关系

# 2. 升级NPU固件（如需）
npu-smi upgrade -t fw -i 0 -f /path/to/firmware.bin

# 3. 升级NPU驱动
# 下载对应版本驱动包
rpm -ivh ascend-driver-xxx.rpm

# 4. 重启后验证
reboot
# 重启后执行版本检查脚本

问题三：性能不达标

现象：矩阵乘法TFLOPS远低于标称值。

排查步骤：

bash

# 1. 检查NPU频率模式
npu-smi info -t board -i 0 | grep -i "freq"
# 确认非降频模式

# 2. 检查温度（高温会降频）
npu-smi info | grep "Temp"

# 3. 检查电源模式
npu-smi set -t power-mode -i 0 -c 0 -d 1  # 设置为高性能模式

# 4. 检查是否使用了混合精度
# 确认测试使用FP16而非FP32

问题四：HCCL通信失败

现象：多卡分布式训练时HCCL初始化失败。

排查步骤：

bash

# 1. 检查网络连通性
ping <other_node_ip>

# 2. 检查RoCE网卡
ibdev2netdev
# 确认RoCE网卡正常

# 3. 检查HCCL配置
cat /etc/hccn.conf  # 或环境变量
# 确认IP配置正确

# 4. HCCL连通性测试
python3 -c "
from mindspore.communication import init
init()
print('HCCL初始化成功')
"

# 5. 检查rank_table配置
cat rank_table_8p.json
# 确认各卡IP和端口配置正确

问题五：高温告警

现象：NPU温度持续超过80°C。

排查步骤：

bash

# 1. 检查机房温度
# 确认机房制冷正常（建议22-25°C）

# 2. 检查服务器风扇
ipmitool sensor | grep -i "fan"
# 确认风扇转速正常

# 3. 检查机柜风道
# 确认机柜前后通风良好，无阻挡

# 4. 检查NPU导热
# 如单卡温度异常高，可能是散热硅脂问题
# 联系供应商处理

# 5. 临时措施：限制功耗
npu-smi set -t power-limit -i 0 -c 0 -d 350  # 限制350W

验收最佳实践

验收前准备

环境就绪：机房温度/湿度/供电/网络就绪
工具准备：验收脚本、测试工具、文档模板
人员到位：验收负责人、IT运维、供应商代表
时间规划：预留5-7个工作日完成全部验收

验收中注意事项

全程记录：拍照/录像记录开箱和测试过程
问题即报：发现问题立即记录并通知供应商
不放过异常：任何异常都需查明原因
抽样比例：10台以下全测，10台以上抽测30%+

验收后工作

文档归档：验收报告/测试数据/设备台账归档
标签粘贴：设备贴标签（IP/SN/用途）
台账录入：录入资产管理系统
保修登记：登记保修信息，设置保修到期提醒
知识沉淀：记录验收经验和问题处理方案

下一步

批量部署 — 验收后批量部署环境
算力运营管理 — 上线后运营管理
利用率优化 — 提升算力利用率

本文档由昇腾AI解决方案架构师团队编写，持续更新中。最后更新：2026-08-26

交付验收 · 到货检查与验收测试 ​

交付验收概述 ​

验收流程 ​

到货验收Checklist ​

第一阶段：到货接收 ​

1.1 外包装检查 ​

1.2 开箱检查 ​

第二阶段：硬件点检 ​

2.1 服务器硬件点检 ​

2.2 NPU卡专项检查 ​

第三阶段：固件版本核对 ​

3.1 版本配套表 ​

3.2 版本检查脚本 ​

第四阶段：性能抽测 ​

4.1 基础性能测试 ​

4.2 性能基准参考值 ​

4.3 压力测试 ​

交付文档模板 ​

验收报告模板 ​

交付物清单 ​

常见交付问题 ​

问题一：NPU识别不全 ​

问题二：固件版本不匹配 ​

问题三：性能不达标 ​

问题四：HCCL通信失败 ​

问题五：高温告警 ​

验收最佳实践 ​

验收前准备 ​

验收中注意事项 ​

验收后工作 ​

下一步 ​

交付验收 · 到货检查与验收测试

交付验收概述

验收流程

到货验收Checklist

第一阶段：到货接收

1.1 外包装检查

1.2 开箱检查

第二阶段：硬件点检

2.1 服务器硬件点检

2.2 NPU卡专项检查

第三阶段：固件版本核对

3.1 版本配套表

3.2 版本检查脚本

第四阶段：性能抽测

4.1 基础性能测试

4.2 性能基准参考值

4.3 压力测试

交付文档模板

验收报告模板

交付物清单

常见交付问题

问题一：NPU识别不全

问题二：固件版本不匹配

问题三：性能不达标

问题四：HCCL通信失败

问题五：高温告警

验收最佳实践

验收前准备

验收中注意事项

验收后工作

下一步